LangChain

LangChain是構建LLM應用的開發框架，提供模塊化組件（提示模板、模型接口、記憶、工具、代理），簡化從原型到生產的開發流程。

核心組件：

• Model I/O：
• 提示管理（Prompt Templates）
• 模型接口（OpenAI、Anthropic、本地模型）
• 輸出解析（Output Parsers）

• 數據連接：
• 文檔加載器（PDF、網頁、數據庫）
• 文本分割（Text Splitters）
• 向量化（Embeddings）
• 向量存儲（Vector Stores）

• 記憶（Memory）：
• 對話歷史管理
• 短期/長期記憶

• 鏈（Chains）：
• 組件序列
• 預構建鏈（LLMChain、RetrievalQA等）

• 代理（Agents）：
• ReAct、Plan-and-Execute
• 工具調用
• 自主決策

LCEL（LangChain Expression Language）：

• 聲明式組合組件
• 管道操作符（|）
• 流式支持
• 並行執行

生態系統：

• LangChain：核心框架（Python/JS）
• LangGraph：狀態機和多代理
• LangServe：部署為API服務
• LangSmith：監測和調試平台

應用場景：

• RAG應用：問答系統、知識庫
• 聊天機器人：多輪對話、記憶
• 代理系統：自主任務執行
• 數據處理：文檔分析、提取

與其他框架的關係：

• LlamaIndex：專注RAG，更輕量
• Semantic Kernel：Microsoft的企業框架
• AutoGen：Microsoft的多代理框架
• Haystack：專注搜索和問答

優勢：

• 模塊化：靈活組合
• 生態豐富：大量集成
• 社區活躍：快速迭代
• 生產就緒：部署和監測工具

挑戰：

• 複雜性：組件多，學習曲線陡
• 版本變化：API經常變更
• 過度抽象：簡單任務可能過度設計

LangChain是LLM應用開發的主流框架。